A previsão do tempo tem operado aproximadamente no mesmo horário por décadas. Modelos tradicionais de previsão numérica do tempo ingere dados a cada seis horas, executam simulações físicas massivas e produzem resultados que já estão ligeiramente desatualizados no momento em que alguém os lê.
Em 3 de setembro de 2026, o Google DeepMind e o Google Research anunciaram o WeatherNext 3, um modelo global de previsão do tempo impulsionado por IA que gera previsões a cada hora usando observações ao vivo de satélites geossíncronos. É o primeiro modelo global a alcançar ciclos de atualização verdadeiramente horários, e benchmarks iniciais sugerem que não é apenas mais rápido, mas significativamente mais preciso do que os anteriores.
O que o WeatherNext 3 faz realmente de diferente
A inovação central é enganosamente simples em conceito: em vez de aguardar os dados observacionais em lotes que chegam a cada seis horas, o WeatherNext 3 é treinado diretamente em feeds de satélites em tempo real. Isso significa que ele pode iniciar uma nova previsão a cada hora, fornecendo aos meteorologistas e às indústrias que dependem deles uma imagem muito mais próxima do que ocorre na atmosfera em tempo real.
A resolução conta uma história semelhante. O modelo oferece granularidade espacial de até 5 km para variáveis de superfície calibradas por estações, como temperatura e umidade, 10 km para outras medições de superfície e 25 km para variáveis atmosféricas. Isso é aproximadamente cinco vezes mais nítido que seu antecessor, o WeatherNext 2, lançado em novembro de 2025.
Para precipitação, as melhorias são ainda mais dramáticas. As previsões de chuva e neve do WeatherNext 3 são até 50% mais precisas que os modelos anteriores para horizontes de previsão de um dia ou mais, conforme medido pelo índice Brier e CRPS em relação às observações de precipitação por satélite IMERG.
O modelo gera previsões de conjunto com 64 membros. Os ciclos de previsão selecionados se estendem até um horizonte de 15 dias, enquanto as execuções intermédias horárias cobrem uma janela de 48 horas.
De GraphCast para WeatherNext 3: a linhagem
O Google DeepMind vem construindo sistematicamente sua pilha de IA para previsão do tempo desde 2023, quando apresentou o GraphCast, um modelo que demonstrou que o aprendizado de máquina pode igualar ou superar previsões tradicionais baseadas em física para previsões de médio prazo. O GenCast seguiu em 2024, adicionando capacidades de ensemble probabilístico. O WeatherNext 2 chegou em novembro de 2025. O WeatherNext 3 representa o próximo passo lógico: tornar todo o pipeline em tempo real, conectando-se diretamente aos fluxos de observação de satélites, em vez de depender de campos de análise pré-processados que introduzem latência.
O Operational WeatherBench da Brightband, um framework de avaliação independente, classificou o WeatherNext 3 como o modelo meteorológico global mais avançado e preciso atualmente disponível.
O modelo também demonstra força particular durante eventos climáticos extremos. As previsões de trajetória e intensidade de ciclones têm sido uma área de ênfase específica.
Energia limpa e aplicações comerciais
WeatherNext 3 visa explicitamente variáveis de vento e luz solar, tornando-se diretamente útil para operações de energia renovável. O Google está integrando as saídas do modelo na Busca, Maps e Earth Engine. Para desenvolvedores e pesquisadores, os dados estão acessíveis por meio do BigQuery no Google Cloud.
A melhoria de 50% na precisão da precipitação em escalas de um dia à frente é particularmente relevante para a agricultura, pois o momento da chuva é quase tão importante quanto o volume de chuva para o planejamento agrícola.